Redes neuronales para predecir la producción de energía eólica

Gianluca Susi, investigador CTB-UPM

Un equipo de científicos, del que forma parte Gianluca Susi investigador del CTB de la Universidad Politécnica de Madrid, ha desarrollado un novedoso método basado en redes neuronales para predecir la producción de energía eólica, lo que permitirá optimizar su fiabilidad.

Uno de los grandes inconvenientes de la energía eólica, una de las fuentes renovables con mayor potencial en nuestro país, es la imprevisibilidad de su producción, que depende de factores como la velocidad y dirección del viento. La aleatoriedad del viento plantea serios problemas a los sistemas eléctricos actuales, que calculan la generación con un día de antelación en función del consumo previsto.

Esa dificultad para poder planificar la energía eólica disponible con antelación, puede aumentar el coste operativo de la red eléctrica y generar potenciales amenazas para la fiabilidad del suministro de electricidad.

De hecho, afirma Gianluca Susi, investigador del Centro de Tecnología Biomédica (CTB) de la Universidad Politécnica de Madrid (UPM), y uno de los autores del estudio, esta “incapacidad de predecir con precisión la generación de energía eólica está ralentizándola a la hora de convertirse en un contribuyente importante para el mercado total de energía”.

En este marco, un equipo internacional de científicos, del que forma parte el investigador de la UPM, ha desarrollado un método novedoso para la predicción de la producción de energía de parques eólicos. La investigación presenta una arquitectura basada en spiking neural networks (SNN, o redes neuronales de tercera generación) para predecir la cantidad de energía que será generada por una turbina eólica, situada en el interior de un parque eólico, en la próxima hora, considerando el comportamiento del viento (intensidad y dirección) en las horas anteriores.

Orografía del parque eólico considerado

Sistema de predicción realizado: las señales de intensidad y dirección del viento detectadas por tres torres anemométricas entran en el sistema de predicción, que predice el valor de energía producido por una turbina del campo eólico considerado

Energía producida por 3 de las turbinas durante un año

S.Brusca, G.Capizzi, G.Lo Sciuto and G.Susi. “A new design methodology to predict wind farm energy production by means of a spiking neural network–based system”. International Journal of Numerical Modeling (Wiley) 2019;32:e2267

Fuente: http://www.upm.es/?id=124f219a6e10e610VgnVCM10000009c7648a____&prefmt=articulo&fmt=detail